埃隆·马斯克在多个场合解释过：他最重要的思考方式之一，是「第一性原理」（First Principles）。 造火箭、做电池、定定价策略——背后常是同一套动作：别从「别人怎么做」出发，而从「物理与经济上不可再拆的基本事实」出发，再往上推导。

第一性原理不是马斯克发明的。它来自亚里士多德，原意是不能再往下分解的前提；在工程与创业语境里，它被翻译成：回到本质，拒绝把类比当真理。

本文讲四件事：具体含义是什么？有哪些特点？对投资与做事有何帮助？怎样用它解决问题？

第一性原理的具体含义

一句话

第一性原理 = 把问题拆到不可再拆的基本事实，只允许从这些事实出发，逐步推导出结论与方案。

马斯克怎么区分两种思考

马斯克常对比两种路径：

第一性原理 类比推理（Reasoning by Analogy）
起点 基本事实、物理/经济约束 「别人怎么做」「行业惯例」
过程 自下而上重建 横向复制 + 微调
结果 可能颠覆成本结构与路径 改良，但难突破框架
风险 推导链某步错了会全盘错 集体幻觉、路径依赖

他的经典例子是早期 Tesla 电池成本：

  • 类比思维：「电池组市价约 600 美元/kWh，这是行业价格，所以我们的车只能卖很贵。」
  • 第一性原理：电池由钴、镍、铝、碳、聚合物等原材料组成。在伦敦金属交易所查现货价格，材料成本加起来大约多少？材料本身可以远低于成品电池报价——差距来自工艺、规模、供应链与集成方式。于是问题变成：能否在工程与制造上把成本打下来？ 这是 SpaceX 降火箭成本、Tesla 建超级工厂的同一条逻辑链。

含义不是「无视现实价格」，而是：价格往往是当前系统的结果，不是自然定律；定律是材料、能量、信息、人力与法规的约束。

与「五个为什么」、拆解法的区别

  • 五个为什么：找根因，偏诊断。
  • 第一性原理：找不可再拆的事实作公理，再重新设计解法，偏创造与决策。

二者可连用：先问为什么贵/慢/难，再问哪些是真正删不掉的约束。

有哪些特点

1. 自下而上（Bottom-up）

从公理 → 推论 → 方案，而不是从结论 → 找理由。

2. 质疑「惯例」但不否认经验

第一性原理不是反智：行业经验是压缩后的类比，可当起点，不能当终点。 马斯克也会学 NASA 的工程经验，但会追问「哪条是物理必然，哪条只是历史路径」。

3. 显式列出假设

每一步推导都对应可检验的假设。假设错了，整条链重写——比隐性类比更容易纠错。

4. 慢思考、快执行

拆解阶段费脑、费时间；一旦新路径清晰，行动可以极快（例如重定电池供应链策略）。前期多想的回报，在执行阶段兑现。

5. 与物理、成本、激励对齐

马斯克偏重硬约束：质量、能量、距离、延迟、法规、边际成本。软叙事（品牌故事、叙事溢价）可以存在，但不能替代硬约束检验。

6. 可迁移

同一套方法可用于造火箭、做软件、定个人职业选择——只要问题能分解为事实 + 逻辑。

7. 不是万能药

有些领域「类比」更高效：社交礼仪、成熟流程、合规框架。第一性原理适合「成本高、路径僵、有重构空间」的问题，不适合所有日常决策。

对投资与做事有哪些帮助

投资：少被叙事带着走

市场充满类比：

  • 「上次也这样涨，所以这次……」
  • 「某大师买了，所以……」
  • 「这个赛道是下一个 XX……」

第一性原理逼你问：这家公司 / 这门资产的现金流从哪来？什么变量决定长期回报？当前价格隐含了什么预期？

例如看宏观数据（CPI、利率、PMI）时：

  • 类比：「通胀高 → 必跌 / 必涨某个板块」
  • 第一性：通胀由哪些分项驱动？政策工具空间？实际利率水平？你的仓位应对应哪条因果链，而不是哪条历史相似？

帮助在于：把「故事」还原成「变量 + 概率 + 定价」。

投资：识别真创新与真泡沫

新技术叙事常用类比包装（「AI 就是当年的互联网」）。第一性原理会问：

  • 算力、数据、电力、监管的真实边际成本？
  • 商业模式里谁付钱、护城河是网络还是成本曲线？
  • 价格是否已反映 ten years of perfection？

避免把类比当预言，也避免把颠覆当免死金牌。

做事：降低「因为大家都这样」的浪费

创业、副业、职业转型、是否 all in 某个项目——惯例是「先写 BP、先融资、先雇人」。第一性原理会问：

  • 用户真正缺什么？（需求）
  • 我能否用更小单元验证？（成本）
  • 什么必须现在做，什么可以外包 / 延后？（约束）

马斯克用第一性原理砍火箭成本、重想制造流程；个人可用它砍掉无效会议、无效功能、无效持仓理由。

做事：在能力圈内做「重构」

与「能力圈」不矛盾：在圈内用第一性原理深挖，在圈外仍应谨慎。圈内拆解到本质，往往发现简单动作重复做比追逐复杂策略更有效（例如定投宽基 + 懂宏观变量，而非频繁换赛道）。

心理：减少 FOMO

当朋友赚钱、热点刷屏，类比思维会推你入场。第一性原理回问：我的证据链是否从事实重建？若没有，错过可能是正确选择。

如何利用第一性原理解决问题

六步框架（可打印使用）

第 1 步：写清问题（一句话）

例：「我是否该现在加大某行业 ETF 仓位？」

第 2 步：列出当前默认答案及其「类比来源」

例：「该加，因为政策利好、板块涨、博主推荐。」→ 标记：多为类比与叙事。

第 3 步：拆到基本事实（不可再拆的约束）

例：

  • 该 ETF 跟踪什么指数？成分与权重？
  • 盈利与估值驱动因素？当前 PE / 景气处在历史什么分位？
  • 我的资金期限、现金流需求、最大可承受回撤？
  • 利率、汇率、宏观周期对这类资产的一般传导（查数据，非查观点）

第 4 步：从事实只做「允许的逻辑跳跃」

写：若 A 则 B，因为 C。 禁止「因为上次……所以这次……」除非 A 与历史情境的 facts 对齐。

第 5 步：生成 2–3 条自下而上的方案

例：

  1. 不加仓，因估值已 price in 乐观情景
  2. 小仓位 + 定投，因长期逻辑成立但短期不确定
  3. 用宽基替代单一行业，因分散是约束下的最优

第 6 步：选方案 → 设 falsifiable 检查点

例：「若 PMI 连续两季度低于 X 且盈利增速转负，则减至 Y%」——让第一性推导可被现实打脸，从而迭代。

三个日常练习

  1. 「这是事实还是惯例？」 听到任何行业说法，先分类。
  2. 「成本分解表」 对一项大额支出或投资，拆材料 / 时间 / 风险溢价 / 信息差，看哪块可优化。
  3. 「空白页重写」 若今天从零开始，是否还会做同样决策？不会的话，差在哪条事实上？

马斯克式追问清单（简版）

  • 物理 / 经济上的硬限制是什么？
  • 当前价格 / 流程里，多少是真实成本，多少是摩擦与习惯？
  • 若必须降本 50%，先动哪一层？
  • 我的结论依赖哪条假设？哪条最可能错？

常见误区

误区 纠正
第一性原理 = 抬杠、否定一切 是重建，不是为反对而反对
凡事都从零推导 日常用类比提效；重大决策用第一性
把愿望当事实 「应该便宜」不是事实，「材料成本是 X」才是
推导完美但不懂执行 投资还需纪律、仓位、能力圈；做事还需资源与时间
忽视人性与组织 激励、文化也是「事实」的一部分

实操清单

  1. 重大买卖前：写半页「事实 / 类比 / 推论」三分栏。
  2. 研究宏观时：每个结论绑一个可查指标（CPI 分项、十年债收益率等），而非绑一句评论。
  3. 做项目前：列出「若从零开始仍会做吗？」的三条理由。
  4. 每月复盘：哪次决策其实来自类比？若用第一性重推，会不同吗？
  5. 与能力圈联用：只在圈内做深度拆解；圈外用小仓位或指数，别用第一性「说服自己全懂」。

结语

马斯克看重第一性原理，不是因为他爱抬杠，而是因为在火箭、电动车、能源这类「贵且难改」的系统里，类比会锁死成本与想象力，事实才留出重构空间。

含义：拆到不可再拆的基本 truth，再往上推理。

特点：自下而上、显式假设、慢想快做、对齐硬约束、可迁移但有适用边界。

对投资与做事的帮助：少跟叙事、多跟变量；识别定价与成本的真实结构；砍掉「大家都这样」的无效路径。

怎么用：写清问题 → 识别类比 → 列基本事实 → 严格推论 → 多方案 → 设检验点。

类比让你走得快，第一性原理让你有时能换一条路。 投资里不必每个 tick 都从零推导；但在仓位、赛道、职业这些不可逆或高代价的选择前，花一小时做第一性拆解，往往比花一年追热点更值得。